济南大学学报(自然科学版)

作者：刘中业,侯金霄,纪汶龙,黄林显,邢立亭,朱恒华,韩忠

基金：国家自然科学基金项目(42272288);; 山东省自然科学基金项目(ZR2019MD029);; 山东省高校院所创新团队项目(2021GXRC070)

为了有效解决在融合多种类特征因子及多时相遥感数据进行湿地分类时出现的数据冗余、精度下降问题，同时考虑多时相遥感影像在不同数量和组合时分类精度存在差异的现状，基于谷歌地球引擎(GEE)遥感云平台提出一种融合特征因子优选和时相组合优选的分类方法，利用随机森林算法在32类特征因子中筛选出对湿地分类具有显著贡献的18类因子，并分析多时相影像数量及组合方式对分类精度的影响，最终优选出适合山东省东营市湿地信息提取的分类方案。结果表明：特征优选能精选出对湿地分类具有显著贡献的特征因子，在确保输入足够特征种类的同时减少特征输入个数，降低数据冗余，提升分类精度；不同特征因子对湿地分类贡献度不同，其中光谱特征、水体指数、纹理特征、建筑指数对湿地分类贡献度较高；融合多时相遥感影像有利于提升分类精度，但随着影像数量的持续加入，分类精度提升幅度逐渐减小，兼顾影像质量及数量是提升分类精度的有效手段；结合特征优选与时相优选对东营市进行的5期湿地分类的总体分类精度均在85%以上，Kappa系数均在0.75以上，表明东营市人工湿地面积呈增大趋势，自然湿地面积呈减小趋势。

来源：2025年第06期

《济南大学学报(自然科学版)》期刊编辑部

查看济南大学学报(自然科学版)杂志2025年第06期